从一个关键词开始
搜名称，也可以搜场景，比如“AI 写作”“视频剪辑”或“编程助手”。
AI热点 164
XYBench发布：8115题测模型识别用户误解AI热点AllenAI等团队推出XYBench基准，收录8115个真实问题，评测模型能否发现用户提问中的隐含误解并转向真实目标，获EMNLP 2026最佳资源论文奖。
GPT-6 Astra改65行词嵌入修复机器人指令失灵AI热点斯坦福研究显示，GPT-6 Astra通过修改65行词嵌入，使机器人对改写指令的成功率从74.3%提升至87.5%，论文与代码已开源。
港大提出RaPO破解MLLM灾难性遗忘AI热点港大俞益洲团队提出强化微调算法RaPO，揭示GRPO轨迹级漂移缺陷，在多项视觉持续学习基准上显著降低遗忘率，论文被NeurIPS 2026录用并开源代码。
AutoAssumption搜索算法假设发现ML系统新算法AI热点AutoAssumption通过搜索算法假设自动发现ML系统新算法，在KV-cache驱逐与权重量化上取得SOTA结果。
Visual Cipher Bench评测8个模型视觉推理AI热点新基准Visual Cipher Bench用40个视觉谜题评测8个前沿模型，最强的GPT-6 Astra准确率仅26.7%，提供机制提示后可大幅提升。
SoScale提出二阶尺度搜索降低FP4量化损失AI热点SoScale提出面向FP4量化的二阶尺度搜索方法，在Qwen3上降低多种格式的量化损失。
MICRO发布视网膜图像配准基准与OFS2RegAI热点提出MICRO数据集及一步频域-结构相似配准方法，解决多模态视网膜图像刚性配准基准缺失问题
GSTAR框架实现64倍压缩自回归生图AI热点GSTAR通过空间-组协同缩放实现32至64倍压缩，1024分辨率下较此前离散自回归模型提速20倍，单张H200每图2.5秒。
GTAGym发布GTA V任务评测与RL基准AI热点GTAGym提出基于GTA V任务的评测与强化学习环境，含103个在线任务基准，最佳配置达70.9%准确率。
SocialGym用22款游戏评测LLM社交智能AI热点SocialGym提供22个多智能体社交游戏，以可验证规则评测十个LLM的社交能力。
REAL框架提升语音奖励模型偏好准确率AI热点REAL框架通过证据关联分析建模生成语音逼真度，基于MiMo-Audio的REAL-Judge在两层评测上将成对偏好准确率提升16.01和11.41个百分点，并优于SpeechJudge与UniSRM。
La-JEPA提出紧凑机器人世界动作模型AI热点La-JEPA在V-JEPA 2.1特征空间从零训练策略Transformer，多项基准达到SOTA且参数更少，真机表现与pi0.5相当。
SpecCompact加速智能体上下文压缩提速5.63倍AI热点SpecCompact通过槽并行语义推测验证加速LLM智能体上下文压缩，最高提速5.63倍。
SecureGARD实现智能体0%注入攻击成功率AI热点SecureGARD提出动态本体引导治理框架，在三个基准上实现0%间接提示注入攻击成功率并提升任务效用。
vLLM Hook v1开源：编程模型内部状态AI热点vLLM Hook v1开源插件发布，可编程vLLM模型内部状态，支持探测与干预且开销小。
MEMENTO长上下文智能体准确率升至67.8%AI热点MEMENTO基于Qwen3-8B训练上下文压缩管理，在书籍问答基准上将准确率从36.9%提升至67.8%，成本远低于GPT-5.5与GLM-5.3方案。
SAFE框架入选EMNLP 2026主会AI热点证据锚定多跳推理验证框架SAFE被EMNLP 2026主会接收，平均提升8.8个百分点
SEE基准评测28个多模态模型科学推理AI热点SEE基准评测28个多模态大模型在化学、生物、材料科学实验问题上的表现，最佳模型准确率仅54.9%，工具使用后提升至56.1%。
DictLLM字典核压缩LLaMA-7B达5.1倍AI热点DictLLM提出字典核后训练压缩方案，将LLaMA-7B压缩5.1倍且困惑度仅升2.9点，压缩率较SOTA低秩方法高3.6倍，入选NeurIPS 2026。
VAR-Q免调优KV缓存量化：内存降78.5%AI热点VAR-Q提出面向视觉自回归图像与视频生成的免调优KV缓存量化框架，在九个模型上将KV内存最多降低78.5%，并支持6倍更大推理批次。